基于改进DE算法的PID参数整定及其应用

摘要

将PID经验整定公式和自适应算子引入到微分进化(DE)算法中,在此基础上提出了改进的微分进化(IDE)算法,即采用PID经验整定公式指导DE算法中初始种群的产生,减少了DE算法寻优的随机性,加快了收敛速度且不依赖调试人员的经验,实现完全自适应获得PID参数.对具有严重参数不确定性、多扰动及大迟延的循环流化床(CFB)锅炉汽温控制系统进行仿真研究,并将IDE算法应用到某300 MW CFB锅炉主汽温控制系统中.结果表明:IDE算法寻优速度快、计算量小,对参数优化非常有效;与遗传算法(GA)整定PID参数的效果相比,IDE算法具有较好的调节品质和较强的鲁棒性,汽温控制效果得到明显改善.